1 / 35

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY ODBOR AUTOMATICKÉHO ŘÍZENÍ A INŽENÝRSKÉ INFORMATIKY. Aplikace objektově orientovaných metod pro analýzu a návrh řídicích systémů složitých komplexů

eliora
Download Presentation

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY ODBOR AUTOMATICKÉHO ŘÍZENÍ A INŽENÝRSKÉ INFORMATIKY Aplikace objektově orientovaných metod pro analýzu a návrh řídicích systémů složitých komplexů   Prof. Jiří Bíla

  2. Vývoj přístupů k analýze složitých komplexů.

  3. Stručný nástin vývoje OMT a UML State diagrams Ward, Mellor 1985 Stavové diagramy DFD DeMarco 1978 Diagram toku dat OOA Coad, Yourdon 1990 Objektově orientovaná analýza Model Entity – Relationship Codd et al. 1990 statické vztahy mezi entitami Object-oriented design Booch 1991 komponentový diagram, diagram nasazení OOSE Jacobson 1994 Zavedení Use-Case OMT Rumbough et al. 1991 Objektová modelovací technika Unified Method 0.8 Rumbaugh, Booch 1995 UML 0.9 - 1996 OMG – Object Management Group UML 1.0 - 1997 UML 2.0 - 2004

  4. Základní pojmy OMT a UML – Objektový diagram

  5. Základní pojmy OMT a UML – Stavový diagram

  6. Korektnost návrhů • Z pohledu analytika – „Je splněno zadání?“ • Z pohledu zadavatele – „Plní systém požadovanou funkci?“ • Z pohledu experta – „Dokáži se orientovat v modelech, abych je mohl zkontrolovat?“ • Z pohledu implementátora – „Jsou modely napsány korektně pro implementaci?“ • Z pohledu optimálnosti – „Jsou modely nejlepší z možných (srovnatelných)?“

  7. Aplikace OMT a UML na analýzu složitého komplexu.

  8. Automobilový tunel Mrázovka – řídicí software

  9. Přístupy k metodě hodnocení vytvořených modelů v UML.

  10. HODNOCENÍ VARIANT

  11. Přehlednost a jednoduchost

  12. u1 a1 a2 u2 u3 a3 a3 a4 u4 u5 u6 a5 u7 a6 a7 u8 Přehlednost a jednoduchost modelů - Substrátně strukturní entropie Kde:n – počet uzlů, m – počet vazeb eik – počet dvojic vázaných vztahem i, který vychází z uzlu k

  13. Objektové diagramy - Substrátně strukturní entropie

  14. Objektové diagramy - Substrátně strukturní entropie

  15. SAT ATM PČR Objektové diagramy - Substrátně strukturní entropie

  16. SAT ATM PČR Objektové diagramy - Substrátně strukturní entropie

  17. Stavové diagramy - Substrátně strukturní entropie

  18. Stavové diagramy - Substrátně strukturní entropie

  19. Substrátně strukturní entropie objektových modelů Objektové / třídové diagramy Stavové diagramy kde n – počet všech tříd / objektů v celém modelu, m – počet všech vazeb (asociací, agregací, …) eik – počet dvojic tříd / objektů vázaných vazboui, která vychází ze třídy / objektuk kde n – počet všech stavů v celém modelu (včetně Start a Stop stavů), m – počet všech stavových přechodů [%]

  20. Optimálnost

  21. Optimálnost modelů - Modifikovaná Míra Explanační Koherence Abduktivní přístup: Na dané znalosti K aplikujeme návrh řešení DS. Výsledek porovnáme s požadavky S. Postupnými kroky za neustálého rozšiřování znalostí K dosáhneme daných požadavků S. Explanační koherence (H. Takeda 1994): kde e je celkový počet specifikací (#S), N je celkový počet vrcholů důkazového grafu a Nij je počet vrcholů sk v důkazovém grafu, pro který existuje sekvence přímých hran z vrcholu sk do vrcholu si a zároveň z vrcholu sk do vrcholu sj (vrcholy sk, si, sj jsou části specifikace)

  22. Optimálnost modelů - Modifikovaná Míra Explanační Koherence Množina Asociovaných Znalostí X Množina X Asociovaných Znalostí je získána jako výsledek Dotazovací fáze – hledání chyb ve struktuře UML modelu a hledání nadbytečných informací v tomto modelu. K této množině X definujme další dvě množiny:W … množina koeficientů důležitosti; X … množina koeficientů objektové kategorie Množina Koeficientů důležitosti W Tyto koeficienty jsou získány libovolnou expertní metodou při zachování dvou podmínek: čím větší „důležitost“, tím vyšší je hodnota ; hodnoty koeficientů  musí být v intervalu 1, 2. Množina Koeficientů objektové kategorie X Hodnota koeficientů xj je dán konceptuální kategorizací: X 0 = { x(třída) = 1,75; x(objekt) = 1,65; x(vazba) = 1,5; x(závislost) = 1,4; x(atribut) = 1,3; x(operace) = 1,2 } Kontext návrhového problému Příklad: CNX = { (SOS_Skříň;1,3;1,75); (Hasiči;1,2;1,3); …}

  23. X1 X2 X3 X4 X5 X1 1 1 1 0 X2 1 0 0 X3 1 0 X4 1 X5 Optimálnost modelů - Modifikovaná Míra Explanační Koherence Závislost (Nezávislost) Asociovaných Znalostí Definice 1.: Asociované znalosti x1 , x2 jsou závislé (DNT(x1,x2)), jestliže splňují jednu (nebo obě) z následujících podmínek: - Změna (variace) x1 je spojena se změnou x2 . - Použití x1 v řešení problému vylučuje použití x2 . V této práci je přitom uvažován pouze kvalitativní aspekt vztahu DNT, nikoli jeho vliv. Definice 2.: Asociované znalosti x1, x2 , které nejsou závislé, jsou uvažovány jako nezávislé (IND(x1,x2)). Vztah DNT (resp. IND) je vyjádřen pomocí kvalitativní matice MQ typu: - - - - - Pole 1 zde znamenají, že znalost xi je závislá na znalosti xj

  24. Optimálnost modelů - Modifikovaná Míra Explanační Koherence Modifikovaná Míra Explanační Koherence kde indexy (j,k) odpovídají prvku 1 v Kvalitativní Matici MQ (tyto 1 reprezentují páry (xj,xk), každý s hodnotou (j, j), (k, k). Koeficienty (e, e) jsou ty větší z obou). N je počet X. Maximální a Relativní Modifikovaná Míra Explanační Koherence ECR = ECM / ECMAX

  25. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  26. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  27. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  28. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  29. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  30. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  31. Optimálnost modelů - Modifikovaná Míra Explanační Koherence a) b)

  32. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  33. Optimálnost modelů - Modifikovaná Míra Explanační Koherence

  34. Software podporující aplikaci metod SSE a ECm.

  35. Program UMLEvaluation - screenshots

More Related